SATA erros de hdd

Question

Eu tenho um servidor com WDC WD3202ABYS ... Existem 100 hosts virtuais. Servidor está trabalhando cerca de 5 anos e neste período de tempo eu mudei 4 discos. Tudo com o mesmo motivo: erro de sata. O último:

ata2.00: exception Emask 0x0 SAct 0x0 SErr 0x0 action 0x0
ata2.00: BMDMA stat 0x5
ata2.00: cmd 35/00:60:57:7b:b6/00:01:06:00:00/e0 tag 0 dma 180224 out
         res 51/10:60:57:7b:b6/10:01:06:00:00/e0 Emask 0x81 (invalid argument)
ata2.00: status: { DRDY ERR }
ata2.00: error: { IDNF }
ata2.00: configured for UDMA/133
sd 1:0:0:0: SCSI error: return code = 0x08000002
sdb: Current [descriptor]: sense key: Aborted Command
    Add. Sense: Recorded entity not found

Descriptor sense data with sense descriptors (in hex):
        72 0b 14 00 00 00 00 0c 00 0a 80 00 00 00 00 00 
        06 b6 7b 57 
end_request: I/O error, dev sdb, sector 112622423
Buffer I/O error on device dm-8, logical block 14077747
lost page write due to I/O error on dm-8
Buffer I/O error on device dm-8, logical block 14077748
lost page write due to I/O error on dm-8
Buffer I/O error on device dm-8, logical block 14077749
lost page write due to I/O error on dm-8
Buffer I/O error on device dm-8, logical block 14077750
lost page write due to I/O error on dm-8
Buffer I/O error on device dm-8, logical block 14077751
lost page write due to I/O error on dm-8
Buffer I/O error on device dm-8, logical block 14077756
lost page write due to I/O error on dm-8
ata2: EH complete
SCSI device sdb: 625142448 512-byte hdwr sectors (320073 MB)
sdb: Write Protect is off
sdb: Mode Sense: 00 3a 00 00
SCSI device sdb: drive cache: write back
ata2.00: exception Emask 0x0 SAct 0x0 SErr 0x0 action 0x0
ata2.00: BMDMA stat 0x5
ata2.00: cmd 35/00:90:17:30:b7/00:02:08:00:00/e0 tag 0 dma 335872 out
         res 51/10:90:17:30:b7/10:02:08:00:00/e0 Emask 0x81 (invalid argument)
ata2.00: status: { DRDY ERR }
ata2.00: error: { IDNF }
ata2.00: configured for UDMA/133
sd 1:0:0:0: SCSI error: return code = 0x08000002
sdb: Current [descriptor]: sense key: Aborted Command
    Add. Sense: Recorded entity not found

Descriptor sense data with sense descriptors (in hex):
        72 0b 14 00 00 00 00 0c 00 0a 80 00 00 00 00 00 
        08 b7 30 17 
end_request: I/O error, dev sdb, sector 146223127
printk: 34 messages suppressed.
Buffer I/O error on device dm-8, logical block 18277835

Parece algum erro de software ...

mas em pouco tempo depois disso (talvez quando eu comecei o fsck) após erro:

EXT3-fs error (device dm-8): ext3_put_super: Couldn't clean up the journal
ata2.00: exception Emask 0x0 SAct 0x0 SErr 0x0 action 0x0
ata2.00: BMDMA stat 0x4
ata2.00: cmd c8/00:00:8f:0d:84/00:00:00:00:00/e1 tag 0 dma 131072 in
         res 51/01:00:a8:0d:84/10:02:08:00:00/e1 Emask 0x1 (device error)
ata2.00: status: { DRDY ERR }
ata2.00: configured for UDMA/133
ata2: EH complete
ata2.00: exception Emask 0x0 SAct 0x0 SErr 0x0 action 0x0
ata2.00: BMDMA stat 0x4
ata2.00: cmd c8/00:00:8f:0d:84/00:00:00:00:00/e1 tag 0 dma 131072 in
         res 51/40:00:a8:0d:84/10:02:08:00:00/e1 Emask 0x9 (media error)
ata2.00: status: { DRDY ERR }
ata2.00: error: { UNC }
ata2.00: configured for UDMA/133
ata2: EH complete
ata2.00: exception Emask 0x0 SAct 0x0 SErr 0x0 action 0x0
ata2.00: BMDMA stat 0x4
ata2.00: cmd c8/00:00:8f:0d:84/00:00:00:00:00/e1 tag 0 dma 131072 in
         res 51/40:00:a8:0d:84/10:02:08:00:00/e1 Emask 0x9 (media error)
ata2.00: status: { DRDY ERR }
ata2.00: error: { UNC }
ata2.00: configured for UDMA/133
ata2: EH complete
ata2.00: exception Emask 0x0 SAct 0x0 SErr 0x0 action 0x0
ata2.00: BMDMA stat 0x4
ata2.00: cmd c8/00:00:8f:0d:84/00:00:00:00:00/e1 tag 0 dma 131072 in
         res 51/40:00:a8:0d:84/10:02:08:00:00/e1 Emask 0x9 (media error)

É possível que esses erros também sejam "software" ... Quero dizer, este HDD tem apenas 9000 horas de uso ... onde não há carga extra no HDD ... a temperatura é de 29 graus Celsius ... Preciso substituir o hdd? ou cheque disco é suficiente?

EXT3-fs error (device dm-8): ext3_put_super: Couldn't clean up the journal
ata2.00: exception Emask 0x0 SAct 0x0 SErr 0x0 action 0x0
ata2.00: BMDMA stat 0x4
ata2.00: cmd c8/00:00:8f:0d:84/00:00:00:00:00/e1 tag 0 dma 131072 in
         res 51/01:00:a8:0d:84/10:02:08:00:00/e1 Emask 0x1 (device error)
ata2.00: status: { DRDY ERR }
ata2.00: configured for UDMA/133
ata2: EH complete
ata2.00: exception Emask 0x0 SAct 0x0 SErr 0x0 action 0x0
ata2.00: BMDMA stat 0x4
ata2.00: cmd c8/00:00:8f:0d:84/00:00:00:00:00/e1 tag 0 dma 131072 in
         res 51/40:00:a8:0d:84/10:02:08:00:00/e1 Emask 0x9 (media error)
ata2.00: status: { DRDY ERR }
ata2.00: error: { UNC }
ata2.00: configured for UDMA/133
ata2: EH complete
ata2.00: exception Emask 0x0 SAct 0x0 SErr 0x0 action 0x0
ata2.00: BMDMA stat 0x4
ata2.00: cmd c8/00:00:8f:0d:84/00:00:00:00:00/e1 tag 0 dma 131072 in
         res 51/40:00:a8:0d:84/10:02:08:00:00/e1 Emask 0x9 (media error)
ata2.00: status: { DRDY ERR }
ata2.00: error: { UNC }
ata2.00: configured for UDMA/133
ata2: EH complete
ata2.00: exception Emask 0x0 SAct 0x0 SErr 0x0 action 0x0
ata2.00: BMDMA stat 0x4
ata2.00: cmd c8/00:00:8f:0d:84/00:00:00:00:00/e1 tag 0 dma 131072 in
         res 51/40:00:a8:0d:84/10:02:08:00:00/e1 Emask 0x9 (media error)

Como descobrir o motivo?

Aqui estão os erros do smart:

Error 36 occurred at disk power-on lifetime: 9160 hours (381 days + 16 hours)
  When the command that caused the error occurred, the device was active or idle.

  After command completion occurred, registers were:
  ER ST SC SN CL CH DH
  -- -- -- -- -- -- --
  40 51 00 22 09 80 e3  Error: UNC at LBA = 0x03800922 = 58722594

  Commands leading to the command that caused the error were:
  CR FR SC SN CL CH DH DC   Powered_Up_Time  Command/Feature_Name
  -- -- -- -- -- -- -- --  ----------------  --------------------
  c8 00 08 1f 09 80 03 0a  47d+13:38:13.534  READ DMA
  ec 00 00 00 00 00 00 0a  47d+13:38:13.530  IDENTIFY DEVICE
  ef 03 46 00 00 00 00 0a  47d+13:38:13.528  SET FEATURES [Set transfer mode]

Ok. É possível o seguinte cenário: 1. O disco estava no 9000 sem fsck. 2. Existem alguns erros 3. No dmesg, começaram erros como:

ata2.00: exception Emask 0x0 SAct 0x0 SErr 0x0 action 0x0
ata2.00: BMDMA stat 0x5
ata2.00: cmd 35/00:60:57:7b:b6/00:01:06:00:00/e0 tag 0 dma 180224 out
         res 51/10:60:57:7b:b6/10:01:06:00:00/e0 Emask 0x81 (invalid argument)
ata2.00: status: { DRDY ERR }
ata2.00: error: { IDNF }
ata2.00: configured for UDMA/133
sd 1:0:0:0: SCSI error: return code = 0x08000002
sdb: Current [descriptor]: sense key: Aborted Command
    Add. Sense: Recorded entity not found

4. E erros como erro de inode e assim por diante ...
5. Eu tentei desmontar essa parição, e erro veio do disco rígido como se não pudesse encontrar tal inode e assim por diante ...?

Se sim, eu não entendo. Preciso trocar de disco todos os anos? Apenas para evitar esse erro? Alguém tem o mesmo problema? Não só com um disco ...

    

Answer 1

Na minha experiência, os erros que você está vendo são, na verdade, erros de hardware refletidos no software. A mensagem 'gravação de página perdida devido a erro de E / S' é uma que eu vi com discos rígidos defeituosos, e ela se comporta de maneira semelhante ao que você descreve ao tentar fsck. Isso é quase uma falha de hardware.

Você deve verificar a saída do smartctl para ver o que pode ser um problema.

smartctl --attributes /dev/sdb

Isso lhe dará uma saída semelhante a esta:

=== START OF READ SMART DATA SECTION ===
SMART Attributes Data Structure revision number: 16
Vendor Specific SMART Attributes with Thresholds:
ID# ATTRIBUTE_NAME          FLAG     VALUE WORST THRESH TYPE      UPDATED  WHEN_FAILED     RAW_VALUE
  1 Raw_Read_Error_Rate     0x000f   200   200   051    Pre-fail  Always       -       0
  3 Spin_Up_Time            0x0003   212   186   021    Pre-fail  Always       -       4358
  4 Start_Stop_Count        0x0032   100   100   000    Old_age   Always       -       97
  5 Reallocated_Sector_Ct   0x0033   200   200   140    Pre-fail  Always       -       0
  7 Seek_Error_Rate         0x000f   200   200   051    Pre-fail  Always       -       0
  9 Power_On_Hours          0x0032   066   066   000    Old_age   Always       -       25420
 10 Spin_Retry_Count        0x0013   100   253   051    Pre-fail  Always       -       0
 11 Calibration_Retry_Count 0x0013   100   253   051    Pre-fail  Always       -       0
 12 Power_Cycle_Count       0x0032   100   100   000    Old_age   Always       -       86
194 Temperature_Celsius     0x0022   104   001   000    Old_age   Always       -       46
196 Reallocated_Event_Count 0x0032   200   200   000    Old_age   Always       -       0
197 Current_Pending_Sector  0x0012   200   200   000    Old_age   Always       -       0
198 Offline_Uncorrectable   0x0010   200   200   000    Old_age   Offline      -       0
199 UDMA_CRC_Error_Count    0x003e   200   200   000    Old_age   Always       -       0
200 Multi_Zone_Error_Rate   0x0009   200   200   051    Pre-fail  Offline      -       0

A saída pode ser misteriosa, mas a que eu prestaria muita atenção seria Reallocated_Sector_Ct, já que isso indica o que o HD tem para setores defeituosos conhecidos. O comando 'smartctl -a' fornecerá muito mais dados. No HD ruim, eu tive um tempo atrás, a parte inferior dessa saída é o 'SMART Error Log', que tinha algumas entradas.

    

Answer 2

Você teve um erro de leitura incorrigível.

Error: UNC at LBA = 0x03800922 = 58722594

Os dados que estavam naquele bloco agora estão perdidos.

Você deve:

• estar usando um espelho em primeiro lugar. Os discos corporativos são, na verdade, destinados a ficar atrás de um espelho e preferem retornar um erro de leitura do que tentar realmente obter os dados.
• recupera os dados perdidos dos backups

Você NÃO TEM EXCUSE para não usar o RAID (especialmente se hospedar sites para clientes!) - o sistema operacional não é tão grande, você não precisa de um disco dedicado para isso em um sistema de 2 discos.

    

Answer 3

Você está usando um controlador RAID? Que tipo de controlador você está usando?

Uma das coisas (que é tanto frustrante quanto esclarecedor) é a crescente segmentação que os fabricantes de HDD estão introduzindo no mercado da SATA. Agora há drives para 'uso de pequena empresa / RAID' e 'uso único / desktop'. SAS parece ser empurrado para o mercado de 'high-end enterprise'.

O seu Modelo # é a série de unidades RE3 da WD, projetada para configurações de RAID. Me disseram que isso significa, entre outras coisas, que a unidade irá 'desistir' mais cedo (ou seja, dentro de 3-4 segundos) ao tentar reparar erros, em vez de tentar repetidamente por um longo período de tempo. Desistir mais cedo reporta o erro ao controlador RAID, para que ele possa usar outra unidade para se recuperar. Se, em vez disso, a unidade esperasse mais tempo, o controlador RAID expulsaria a unidade da matriz por não responder.

As falhas ainda são raras e não uma vez por ano. Talvez seja outro aspecto da sua configuração? (Eu tive uma luta frustrante com um cabo SATA uma vez, agora está montado sobre a minha porta como um aviso para outros cabos ...)

    

Answer 4

Eu tive uma experiência muito ruim com as unidades da Western Digital. Mais da metade das minhas unidades tiveram que ser substituídas pela garantia devido a falhas completas ou setores defeituosos.

Depois de comprar apenas discos WD por cerca de 8 anos, não quero mais gastar dinheiro com eles. Não tenho ideia de qual unidade da WD posso confiar; minha experiência até agora diz "nenhum deles".

Você substituiu a unidade original 4 vezes; você comprou todas as cinco unidades ao mesmo tempo? Comprar novo para substituir cada um quando falhou? Devolver a unidade sob garantia para substituição? Como e quando você adquiriu as cinco unidades e quais modelos eram elas? Na minha experiência, lotes de unidades WD geralmente são ruins e falham ao mesmo tempo.